El artículo "舎密" en Wikipedia en japonés tiene 23.3 puntos por calidad (a 1 de agosto de 2024). El artículo contiene 10 referencias y 3 secciones.
Desde la creación del artículo "舎密", , su contenido fue escrito por 15 usuarios registrados de Wikipedia en japonés fue editado por 15 usuarios registrados de Wikipedia en todos los idiomas.
El artículo es citado 27 veces en Wikipedia en japonés y es citado 27 veces en todos los idiomas.
La clasificación más alta de interés de los autores desde 2001:
El rango de popularidad más alto de 2008:
Hay 1 versión lingüística de este artículo en la base de datos WikiRank (de las 55 ediciones de idiomas consideradas de Wikipedia).
La evaluación de calidad y popularidad se basó en volcados de Wikipedia del 1 de agosto de 2024 (incluido el historial de revisiones y las páginas vistas de años anteriores).
| Mejor rango | japonés: Nº 199048 01.2013 |
Global: Nº 1152247 04.2008 |
| Mejor rango | japonés: Nº 12455 10.2004 |
Global: Nº 147378 10.2004 |
El 25 de enero de 2025 en Wikipedia multilingüe, los internautas leen con mayor frecuencia artículos sobre los siguientes temas: Donald Trump, Madison Keys, Elon Musk, Aryna Sabalenka, Melania Trump, Emilia Perez, Abduqodir Husanov, Pete Hegseth, Nosferatu, Karla Sofía Gascón.
En Wikipedia en japonés los artículos más populares de ese día fueron: 日枝久, 渡邊渚, 中居正広, 東京卍リベンジャーズ, 青木歌音, 関水渚, 出水麻衣, 瀬戸環奈, 中嶋優一, 金峰山晴樹.
El proyecto está destinado a la evaluación relativa automática de los artículos en las distintas versiones lingüísticas de Wikipedia. Actualmente, el servicio permite comparar más de 44 millones de artículos de Wikipedia en 55 idiomas. Los niveles de calidad de los artículos se basan en volcados de Wikipedia de agosto de 2024. Al calcular la popularidad actual y la IA de los artículos, se tuvieron en cuenta los datos de julio de 2024. Para los valores históricos de popularidad y AI WikiRank utilizó datos de 2001 a 2023... Más información
$$Calidad=1/c∑↙{i=1}↖c nm_i-RS=1/5(3.27+3.73+0+9.68+100)$$
dónde:
Los resultados de los cálculos pueden ser ligeramente diferentes debido a los valores redondeados de las métricas normalizadas en las fórmulas
